Mesterséges intelligencia a csecsemőmotoros szűréshez: fejlesztés és érvényesítés

Háttér és cél. Bár a korai beavatkozásra bejelentett fejlődési rendellenességgel küzdő gyermekek száma Tajvanon az elmúlt évtizedben nőtt, a fejlődési rendellenességgel küzdő gyermekek prevalenciájának becslése alacsonyabb, mint a globális adatok, különösen a 2 év alattiak vagy a távoli területeken. A nagy adatok gépi tanulásán alapuló mesterséges intelligenciát (AI) sikeresen alkalmazták bizonyos betegségek orvosi képosztályozására és előrejelzésére; alkalmazása azonban a gyermekfejlődési szűrésben ritka. Ennek a hároméves vizsgálatnak ezért három célja van: (1) Modellfejlesztés – a pózbecslési modell és a nyomkövető felismerési modell alkalmazása a termikus és koraszülött csecsemők nagy mintájának mozgásán, laboratóriumi motoros vizsgálat alatt. a mesterséges intelligencia algoritmusainak pontossága az egyéni mozgások azonosításában, a fizikoterapeuták eredményeinek aranystandardként való felhasználásával; (2) Model Validation – az AI algoritmusok teljesítményének vizsgálata azonos időszakra és a koraszülöttek mozgásaira, amikor a szülők a laboratóriumi értékelési korok között otthon vettek fel videót, a fizikoterapeuták eredményeit aranystandardként használva; és (3) Az AI mozgáskészletek egyidejű és prediktív érvényessége – az azonosítható mozgásosztályok kiválasztása mesterséges intelligencia-mozgáskészletekbe az egyes életkorok számára, hogy megvizsgálják azok egyidejű érvényességét a fizikoterapeuták eredményeivel és a 18 hónapos korban elért fejlődési eredmények prediktív érvényességét ezeknél a csecsemőknél. . Módszer. Összesen 125 idős és koraszülöttet vesznek fel a Tajvani Nemzeti Egyetemi Gyermekkórházból, akiket véletlenszerűen osztanak szét a képzési (N=101), a hangolási (N=12) és a tesztelési csoportokra (N=12) 8:1 arányban. :1 arány a modellfejlesztéshez. Minden csecsemőnek 4, 6, 8, 10, 12 és 14 hónapos korukban (koraszülöttségre korrigálva) hason, fekvő, ülő és álló helyzetben adják be az Alberta Infant Motor Assessment-et a laboratóriumban, 5 kamera által rögzített mozgással. A modellellenőrzés során a szülők 5, 7, 9, 11 és 13 hónapos korukban, legalább 2 kameranézetből, ugyanazon 125 csecsemő mozgását rögzítik otthon mobiltelefonnal, és a mozgásfelvételeket prototípusba töltik fel. a „Baby Go” mobilalkalmazásból. A mozgásvideó felvételek adatfeldolgozása a következőket foglalja magában: mozgásrekordok kiválasztása, pózbecslési modell felállítása, cselekvésfelismerő modell felállítása. Az AI-modell pontosságát a csecsemők egyéni mozgásainak azonosításában a fizikoterapeuta eredményeinek aranystandardjaként fogják megvizsgálni. A gépi tanulással azonosítható mozgásokat úgy választják ki, hogy mesterséges intelligencia-mozgáskészleteket hozzanak létre minden életkorhoz. A mesterséges intelligencia mozgáskészleteinek egyidejű és prediktív érvényességét a fizikoterapeuta eredményeinek és a 18 hónapos korban elért fejlődési eredményeknek a kritériumaként vizsgáljuk (a járás elérési kora és a Peabody Developmental Motor Scale – 2. kiadás). Jelentőség. Az eredmények segítenek meghatározni a legjobb és megfelelő mesterséges intelligencia-modellt a csecsemőmotoros szűréshez Tajvanon. A kialakított mesterséges intelligencia modell beépíthető a klinikai eljárásba, hogy segítse a gyermekorvosokat és a fizikoterapeutákat a további diagnosztikai értékelés megtervezésében.